7月以来，全球资本市场便经历了一场围绕人工智能（AI）信仰所产生的震荡，AI算力板块也从普遍乐观的态度走到了一个关键的分歧点。从硅谷科技巨头元公司（Meta）出租其富余算力，到用于衡量AI实际使用热度的词元（Token）支出指数较5月高点下跌约20%，这一系列行业信号，使得支撑AI算力上涨的逻辑出现了松动，并由此触发了全球AI算力股的普遍回调。

从AI产业链的整体视角来看，真正能够支撑上游算力端维持景气度的，最终还是要依赖下游应用端的实际表现。应用端的商业模式能否真正成立、盈利前景是否可以期待、增长态势是否能够持续——这些核心问题，将决定AI资本开支能否实现持续扩张。记者近日对产业界人士开展采访后发现，当前大部分AI应用尚未成功构建“收入覆盖成本”的盈利模型。当“免费换规模”的互联网旧有逻辑撞上“按量计费”的AI新成本结构时，一个“用户越多亏损越多”的“规模陷阱”正在形成，并成为发展道路上的主要障碍。

AI算力板块所出现的震荡调整，从本质上而言是资本市场对高昂资本开支开展的一场重新审视：如果应用层尚未成功构建出可行的商业模式，那么利润就会高度集中于上游硬件方面或者不具备持续性。市场人士所指出的是，只有AI下游也就是软件应用以及AI端侧方面有了需求释放和业绩收入之后，整个链条才能够实现更良性的循环。

难以承受的AI成本

AI创业公司的老板们，最近都在对AI的成本进行认真的计算。

我们公司的算法工程师，在一个下午的时间里就要消耗掉300至500美元的算力成本，这一支出甚至要比他们的工资水平还要高。一家具身智能独角兽企业的创始人这样告诉证券时报记者。机器人从本质上来说属于软硬件紧密结合的AI终端设备，因此机器人公司在制造出机器人本体之外，还必须投入资源来研发并部署适配于机器人端的具身大模型，而每一次这样的模型训练过程，都需要消耗掉大量的Token，其背后所对应的正是实实在在的算力支出。

如果把训练视为一次性的支出，那么推理则会伴随着每一次用户调用而发生的、持续的现金流消耗。

深圳一家AI教育硬件公司的负责人向证券时报记者介绍道，该公司研发的AI拍学机借助接入大模型的方式，成功实现了“万物识别”的功能。孩子运用拍学机拍摄一张照片之后，AI便可以对图片中的物品进行识别，并对相关知识开展科普说明。目前其累计用户规模已经超过25万，日均使用时长达到了45分钟。然而，这款售价大约500元的产品却并未实现盈利，这不仅是因为硬件方面受到了存储芯片以及印刷电路板等部件涨价的影响而导致成本有所增加，而且用户每一次进行拍照识别的时候都需要调用大模型，从而都要消耗Token——这也就意味着，用户数量越多、使用时间越长，所产生的成本就会越高，也就越难以控制。

产品越是成功，其所面临的亏损便会越发严重——这在AI产业链的下游应用端，构成了一个普遍存在的“规模不经济”悖论。记者通过采访了解到，上游算力端几乎消耗掉了模型厂商以及应用端所拥有的全部利润，在整个链条当中，谁距离用户越近，谁就越难以实现盈利。因为模型厂商以及应用端需要面对的，是具备绝对议价权的上游算力供应商，以及那些对价格敏感且忠诚度较低的用户，要想在这样的夹缝之中成功实现盈利，其实并不容易。

最近的一则数据，使得AI高昂成本所带来的压力开始初步显现出来。独立指数提供商Silicon Data编制的大模型Token支出指数在今年5月触及顶点之后，如今已回落约20%。这一指数被视为反映AI服务付费意愿以及边际需求变化情况的指标，有市场分析人士认为，其走弱表明用户的AI支付意愿已接近阶段性上限。

Token支出指数出现下滑，其中一个最为直观的体现在于，科技公司近来已开始对员工的Token使用量开展限制工作。例如，微软以及Meta等公司都采取了相应措施来限制员工运用AI，从而控制住快速增长的AI成本。一名国内头部互联网企业的程序员也向证券时报记者表示，目前公司内部的前沿模型接口常常需要排队等待，“这本质上就是在对使用进行限制，感觉对用量的限制迟早会到来。”该程序员这样说道。

赚钱为什么这么难

在传统互联网模式之下，开发一款应用程序所需要的成本是固定不变的，而每新增一位用户的边际成本则趋近于零，因此其增长所依赖的逻辑便是借助烧钱来换取规模，再通过规模来获取利润。但这样的一套打法在人工智能时代已经失去效力，因为模型推理产生的成本会随着用户规模以及日活跃用户数量一同膨胀，规模越大，最终的账单也就越高。

面对高昂的算力成本，AI应用端正在经历一场从免费圈地模式转向付费探索的过程。6月24日当天，豆包专业版得以正式上线，其选用包月订阅的模式，提供了68元、200元以及500元三档付费方案，而用户所能够运用的额度也会随着金额的增加而依次得到增长。但在专业版之外，豆包同样为用户保留了免费的基础版本，并且强调免费版本所具备的功能与额度可以满足大部分用户的日常生活使用场景。

除了豆包之外，记者对市场情况开展了梳理后发现，在国内主流大模型当中，智谱AI（智谱清言）以及月之暗面（Kimi）也已经上线了付费会员体系，均选用了包月订阅的模式。智谱清言划分了VIP会员和SVIP会员两种类型，连续包月的价格分别为49元和149元；Kimi包月费用则分为49元、99元、199元以及699元四档。二者均与豆包一样保留了免费的基础版本。DeepSeek、阿里千问、腾讯元宝则对普通用户维持免费的状态，并未设置付费版本。

然而，虽然能够收取费用，但这却并不代表能够实现盈利，因为二者之间隔着一道难以跨越的鸿沟。

从面向消费者的To C端来看，付费模式的推行会遭遇重重阻力。和君咨询合伙人沈佳庆在接受证券时报记者采访时表示，除了作为生产力工具以外的其他应用场景当中，AI所带来的收入情况乏善可陈，这主要是因为国内个人用户普遍缺乏较高的付费意愿。前述AI教育硬件公司的负责人告诉记者，由于国内用户尚未养成AI付费的习惯，所以公司的拍学机在国内和国外选用了“双轨制”的方式，也就是对国内用户提供免费服务，而对海外用户则收取每月9.9美元至15美元的订阅费用，以此来覆盖部分模型调用以及推理所产生的成本。

从面向企业的To B端来看，盈利方面则面临着企业预算约束以及落地效果方面的鸿沟。“赚钱的难度其实并不低，因为客户所表现出的理性程度极高。对多数企业来说，AI应用预算并非属于新增的资本开支，而是需要从本就已经处于缩减状态的数字化转型预算当中分离出来，因此，整个市场的总体规模并没有得到扩大。”沈佳庆表示，随着企业对AI的部署以及应用工作进入深水区，在取得一定效果之后，往往就会发现AI对于核心商业模式以及市场竞争力等方面的改进作用暂时还比较有限，一些无法产生明确效益的应用场景就将会被直接砍掉。

虽然在当前阶段，B端所实现的盈利确定性要比C端更高一些，然而B端的投入力度也显得更为沉重，这主要是因为其需要开展高度定制化的工作，并且需要进行长期的维护以及运营方面的工作。更关键的是，在沈佳庆看来，AI所具备的真正价值并不在于帮助企业降低成本方面，而在于成功创造出原本并不存在的商业模式，然而当前的AI应用却尚未能够真正创造出这样的价值。“会议纪要自动生成、周报一键扩写、营销文案批量改写、PPT排版美化、简单代码补全，这些功能如果有的话会更好一些，即便没有也并不会产生太大影响，因为它们并非属于企业愿意为之支付高额订阅费用或者项目款项的核心痛点。”沈佳庆这样说道。

AI资本开支的再审视

近年来，资本市场对AI算力基建板块开展了热烈追捧，其核心逻辑在于AI能力将随着AI资本开支的扩大而获得提升，进而产生更大的回报。但是，在算力账单持续攀升且实际业务回报有限的情况下，AI行业正面临着一场深刻的商业模式重构。

要成功走出规模不经济所形成的陷阱，核心在于两个关键方面，也就是开展成本降低工作以及实现质量提升目标。

降本方面，需要在模型架构以及推理效率这两个维度开展针对性工作，借助引入端云协同、大小模型动态路由、推理缓存与预计算等技术手段，从而有效降低推理所产生的成本。前述AI教育硬件公司负责人表示，公司的AI拍学机把高频且简单的识别任务（诸如识别常见动植物）交由成本较低且本地化部署的端侧小模型来进行处理，仅在遇到复杂逻辑或长尾知识的情况下才会调用云端大模型，此外还运用推理缓存技术，对重复出现的用户提问直接返回历史结果，避免重复计算，达到降低Token消耗的目的。

提质方面，则是要摒弃掉“为了AI而AI”的功能堆砌做法，从“卖Token”的模式真正转向到“卖结果”的方向上来，前者所关心的是“用了多少”，而后者所关心的则是“产出了什么”。一名业内人士向记者表示，在传统的IT服务领域当中，甲骨文以及赛富时等软件公司，并不是按照“数据库查询次数”来进行收费，而是选用项目制定价以及按服务周期付费的方式，约定好服务范围和效果指标，并基于实际所产生的产业价值来开展定价工作。“AI花了几年时间绕了一些弯路，最后可能还是要回到这条道路上来。”该业内人士这样说道。

回到最初的核心问题，从“规模不经济”的视角下来进行审视，AI资本开支能否保持可持续性，并不取决于算力本身具备多么强大的性能，而是依赖于下游应用是否能够成功构建出健康的商业增长模式以及财务盈利模型。正如沈佳庆所指出的那样，这就好比当年的西部淘金热现象，卖铲子的人往往比淘金客表现得更加兴奋，而淘金客在河边开展了多年的筛洗工作，却始终没有发现金沙。如果未来应用层仍然无法创造出真正的价值——例如能够直接创造新的收入来源、自主完成核心业务的闭环工作、并且具备不可替代性的产品——那么底层基建所出现的繁荣局面或许也将难以持续下去。

7月以来，全球资本市场便经历了一场围绕人工智能（AI）信仰所产生的震荡，AI算力板块也从普遍乐观的态度走到了一个关键的分歧点。从硅谷科技巨头Meta公司出租其富余算力，到用于衡量AI实际使用热度的Token支出指数较5月高点下跌约20%，这一系列行业信号，使得支撑AI算力上涨的逻辑出现了松动，并由此触发了全球AI算力股的普遍回调。
从AI产业链的整体视角来看，真正能够支撑上游算力端维持景气度的，最终还是要依赖下游应用端的实际表现。应用端的商业模式能否真正成立、盈利前景是否可以期待、增长态势是否能够持续这些核心问题，将决定AI资本开支能否实现持续扩张。记者近日对产业界人士开展了采访后发现，当前大部分AI应用尚未成功构建“收入覆盖成本”的盈利模型。当“免费换规模”的互联网旧有逻辑撞上“按量计费”的AI新成本结构时，一个“用户越多亏损越多”的“规模陷阱”正在形成，并成为发展道路上的主要障碍。
AI算力板块所出现的震荡调整，从本质上而言是资本市场对高昂资本开支开展的一场重新审视：如果应用层尚未成功构建出可行的商业模式，那么利润就会高度集中于上游硬件方面或者不具备持续性。市场人士所指出的是，只有AI下游也就是软件应用以及AI端侧方面有了需求释放和业绩收入之后，整个链条才能够实现更良性的循环。
AI创业公司的老板们，最近都在对AI的成本进行认真的计算。
我们公司的算法工程师，在一个下午的时间里就要消耗掉300至500美元的算力成本，这一支出甚至要比他们的工资水平还要高。一家具身智能独角兽企业的创始人这样告诉证券时报记者。机器人从本质上来说属于软硬件紧密结合的AI终端设备，因此机器人公司在制造出机器人本体之外，还必须投入资源来研发并部署适配于机器人端的具身大模型，而每一次这样的模型训练过程，都需要消耗掉大量的Token，其背后所对应的正是实实在在的算力支出。
如果把训练视为一次性的支出，那么推理则会伴随着每一次用户调用而发生的、持续的现金流消耗。
深圳一家AI教育硬件公司的负责人向证券时报记者介绍道，该公司研发的AI拍学机借助接入大模型的方式，成功实现了“万物识别”的功能。孩子运用拍学机拍摄一张照片之后，AI便可以对图片中的物品进行识别，并对相关知识开展科普说明。目前其累计用户规模已经超过25万，日均使用时长达到了45分钟。然而，这款售价大约500元的产品却并未实现盈利，这不仅是因为硬件方面受到了存储芯片以及印刷电路板等部件涨价的影响而导致成本有所增加，而且用户每一次进行拍照识别的时候都需要调用大模型，从而都要消耗Token这也就意味着，用户数量越多、使用时间越长，所产生的成本就会越高，也就越难以控制。
产品越是成功，其所面临的亏损便会越发严重这在AI产业链的下游应用端，构成了一个普遍存在的“规模不经济”悖论。记者通过采访了解到，上游算力端几乎消耗掉了模型厂商以及应用端所拥有的全部利润，在整个链条当中，谁距离用户越近，谁就越难以实现盈利。因为模型厂商以及应用端需要面对的，是具备绝对议价权的上游算力供应商，以及那些对价格敏感且忠诚度较低的用户，要想在这样的夹缝之中成功实现盈利，其实并不容易。
最近的一则数据，使得AI高昂成本所带来的压力开始初步显现出来。独立指数提供商Silicon Data编制的大模型Token支出指数在今年5月触及顶点之后，如今已回落约20%。这一指数被视为反映AI服务付费意愿以及边际需求变化情况的指标，有市场分析人士认为，其走弱表明用户的AI支付意愿已接近阶段性上限。
Token支出指数出现下滑，其中一个最为直观的体现在于，科技公司近来已开始对员工的Token使用量开展限制工作。例如，微软以及Meta等公司都采取了相应措施来限制员工运用AI，从而控制住快速增长的AI成本。一名国内头部互联网企业的程序员也向证券时报记者表示，目前公司内部的前沿模型接口常常需要排队等待，这本质上就是在对使用进行限制，感觉对用量的限制迟早会到来。该程序员这样说道。
在传统互联网模式之下，开发一款应用程序所需要的成本是固定不变的，而每新增一位用户的边际成本则趋近于零，因此其增长所依赖的逻辑便是借助烧钱来换取规模，再通过规模来获取利润。但这样的一套打法在人工智能时代已经失去效力，因为模型推理产生的成本会随着用户规模以及日活跃用户数量一同膨胀，规模越大，最终的账单也就越高。
面对高昂的算力成本，AI应用端正在经历一场从免费圈地模式转向付费探索的过程。6月24日当天，豆包专业版得以正式上线，其选用包月订阅的模式，提供了68元、200元以及500元三档付费方案，而用户所能够运用的额度也会随着金额的增加而依次得到增长。但在专业版之外，豆包同样为用户保留了免费的基础版本，并且强调免费版本所具备的功能与额度可以满足大部分用户的日常生活使用场景。
除了豆包之外，记者对市场情况开展了梳理后发现，在国内主流大模型当中，智谱AI（智谱清言）以及月之暗面（Kimi）也已经上线了付费会员体系，均选用了包月订阅的模式。智谱清言划分了VIP会员和SVIP会员两种类型，连续包月的价格分别为49元和149元；Kimi包月费用则分为49元、99元、199元以及699元四档。二者均与豆包一样保留了免费的基础版本。DeepSeek、阿里千问、腾讯元宝则对普通用户维持免费的状态，并未设置付费版本。
然而，虽然能够收取费用，但这却并不代表能够实现盈利，因为二者之间隔着一道难以跨越的鸿沟。
从面向消费者的To C端来看，付费模式的推行会遭遇重重阻力。和君咨询合伙人沈佳庆在接受证券时报记者采访时表示，除了作为生产力工具以外的其他应用场景当中，AI所带来的收入情况乏善可陈，这主要是因为国内个人用户普遍缺乏较高的付费意愿。前述AI教育硬件公司的负责人告诉记者，由于国内用户尚未养成AI付费的习惯，所以公司的拍学机在国内和国外选用了“双轨制”的方式，也就是对国内用户提供免费服务，而对海外用户则收取每月9.9美元至15美元的订阅费用，以此来覆盖部分模型调用以及推理所产生的成本。
从面向企业的To B端来看，盈利方面则面临着企业预算约束以及落地效果方面的鸿沟。赚钱的难度其实并不低，因为客户所表现出的理性程度极高。对多数企业来说，AI应用预算并非属于新增的资本开支，而是需要从本就已经处于缩减状态的数字化转型预算当中分离出来，因此，整个市场的总体规模并没有得到扩大。沈佳庆表示，随着企业对AI的部署以及应用工作进入深水区，在取得一定效果之后，往往就会发现AI对于核心商业模式以及市场竞争力等方面的改进作用暂时还比较有限，一些无法产生明确效益的应用场景就将会被直接砍掉。
虽然在当前阶段，B端所实现的盈利确定性要比C端更高一些，然而B端的投入力度也显得更为沉重，这主要是因为其需要开展高度定制化的工作，并且需要进行长期的维护以及运营方面的工作。更关键的是，在沈佳庆看来，AI所具备的真正价值并不在于帮助企业降低成本方面，而在于成功创造出原本并不存在的商业模式，然而当前的AI应用却尚未能够真正创造出这样的价值。会议纪要自动生成、周报一键扩写、营销文案批量改写、PPT排版美化、简单代码补全，这些功能如果有的话会更好一些，即便没有也并不会产生太大影响，因为它们并非属于企业愿意为之支付高额订阅费用或者项目款项的核心痛点。沈佳庆这样说道。
近年来，资本市场对AI算力基建板块开展了热烈追捧，其核心逻辑在于AI能力将随着AI资本开支的扩大而获得提升，进而产生更大的回报。但是，在算力账单持续攀升且实际业务回报有限的情况下，AI行业正面临着一场深刻的商业模式重构。
要成功走出规模不经济所形成的陷阱，核心在于两个关键方面，也就是开展成本降低工作以及实现质量提升目标。
降本方面，需要在模型架构以及推理效率这两个维度开展针对性工作，借助引入端云协同、大小模型动态路由、推理缓存与预计算等技术手段，从而有效降低推理所产生的成本。前述AI教育硬件公司负责人表示，公司的AI拍学机把高频且简单的识别任务（诸如识别常见动植物）交由成本较低且本地化部署的端侧小模型来进行处理，仅在遇到复杂逻辑或长尾知识的情况下才会调用云端大模型，此外还运用推理缓存技术，对重复出现的用户提问直接返回历史结果，避免重复计算，达到降低Token消耗的目的。
提质方面，则是要摒弃掉“为了AI而AI”的功能堆砌做法，从“卖Token”的模式真正转向到“卖结果”的方向上来，前者所关心的是“用了多少”，而后者所关心的则是“产出了什么”。一名业内人士向记者表示，在传统的IT服务领域当中，甲骨文以及赛富时等软件公司，并不是按照“数据库查询次数”来进行收费，而是选用项目制定价以及按服务周期付费的方式，约定好服务范围和效果指标，并基于实际所产生的产业价值来开展定价工作。AI花了几年时间绕了一些弯路，最后可能还是要回到这条道路上来。该业内人士这样说道。
回到最初的核心问题，从“规模不经济”的视角下来进行审视，AI资本开支能否保持可持续性，并不取决于算力本身具备多么强大的性能，而是依赖于下游应用是否能够成功构建出健康的商业增长模式以及财务盈利模型。正如沈佳庆所指出的那样，这就好比当年的西部淘金热现象，卖铲子的人往往比淘金客表现得更加兴奋，而淘金客在河边开展了多年的筛洗工作，却始终没有发现金沙。如果未来应用层仍然无法创造出真正的价值例如能够直接创造新的收入来源、自主完成核心业务的闭环工作、并且具备不可替代性的产品那么底层基建所出现的繁荣局面或许也将难以持续下去。

校对：高源

来源：半天烧500美元，比工资还高！AI陷入“用户越多越亏”境地 | 证券时报网